基于UNet结构的大规模MIMO系统CSI反馈设计

来源：电讯技术杂志2025年第3期北京时间：

作者：刘庆,李义,李璘,王有军,李康,熊林麟,王平

单位：(1.贵州电网有限责任公司毕节供电局，贵州 毕节 551700;2.重庆邮电大学 通信与信息工程学院，重庆 400065)

摘要：从用户端获取下行信道状态信息（Channel State Information，CSI）是频分双工（Frequency Division Duplex，FDD）模式下通信系统信息高效传输的关键，然而其反馈开销随着天线规模的增加而增大，给大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统带来了重大挑战。针对此问题，提出了一种基于连续卷积和注意力机制的CSI反馈网络结构U-shaped Transformer Neural Network（UTNet）。首先，编码器和解码器分别采取编码与压缩同步、解码和重建同步的连续采样结构，实现特征提取和压缩。其次，在编码器的末端和解码器的开端分别插入Transformer模块，提取不同位置之间的关联信息。最后，通过调节CSI反馈网络参数实现对发送数据长度的控制，旨在实现CSI信号更加智能和高效的反馈。实验结果表明，在不同压缩率下UTNet的归一化均方误差（Normalized Mean Square Error，NMSE）低于-27.45 dB，相较于现有基于深度学习的方法， UTNet能在保持更高精度的同时反馈开销更小。

关键词：大规模MIMO；CSI反馈；深度学习；Transformer模块；

基金资助：2022年贵州电网有限责任公司毕节供电局电力技术开发项目（0607002022030101SC00049）